如何写一个定期表达html分析?

Question

我想写一个定期表达我html分析器。

我想要匹配html标签定特性(例如。 <div> 与 class="tab news selected" )，其中包含一个或更多 <a href> 标记。Regexp应该与整个标记(从 <div> 要 </div>).我似乎总是获得"存储耗尽"的错误。-我的程序可能需要每一个标签就能找到匹配的一种。

我使用的是提高regex库。

Answer 1

你也可以找到这些问题有所帮助：

你能提供一些例子，为什么这是很难分析XML和HTML与regex?

你能提供一个实例的分析HTML有你最喜欢的分析器?

Answer 2

您或许应该看看这个问题重。正则表达式和HTML。要点是，使用正则表达式来解析HTML不是以任何方式的理想解决方案。

Answer 3

正如其他人说，不要使用，如果在所有可能的正则表达式。如果你的代码实际上是XHTML（即它也是良好的XML），AI可以推荐两个的Xerces 和外籍 XML解析器，这会是一个很大betterv工作对你不是正则表达式。

Answer 4

也许正则表达式是不是最好的解决办法，但我已经喜欢使用五种不同的图书馆和升压的确精细，当谈到定位<a href>标签和关键字。

我使用这些正则表达式：

/<a[^\n]*/searched attribute/[^\n]*>[^\n]*</a>/用于定位<a href>标签和

/<a[^\n]*href[[^\n]*>/searched keyword/</a>/用于定位链接

（顺便说一句能不能做到更好 - 我吸在正则表达式;））

我现在需要的是定位包含<a href>的标签，我想正则表达式会做没事 - 也许我需要写我自己的分析功能彼得说。

Answer 5

不要为柔性做。比赛的

与不区分大小写的匹配，并把你的解析器，“分区匹配”的状态，继续处理输入直到

和复位状态

这需要两个正则表达式和一个状态变量。

SGML标签有效字符[A-ZA-Z _：]

所以：/ <[A-ZA-Z _：] +>。/匹配的标签